Ra mắt Grok 4.5

 (x.ai)
2 điểm bởi GN⁺ 3 giờ trước | 1 bình luận | Chia sẻ qua WhatsApp
  • SpaceXAI đã ra mắt Grok 4.5, mô hình cao cấp nhất của hãng nhắm tới lập trình, tác vụ kiểu agent và công việc tri thức
  • Quá trình huấn luyện tập trung vào hàng chục nghìn GPU NVIDIA GB300 cùng việc khử trùng lặp dữ liệu, chấm điểm chất lượng và chọn lọc theo miền, nhấn mạnh chất lượng tín hiệu hơn là chỉ mở rộng quy mô token
  • Trên các benchmark, mô hình đạt Terminal Bench 2.1 83.3%, SWE Bench Pro 64.7%, DeepSWE 1.0 62.0%, DeepSWE 1.1 53%
  • Tốc độ phục vụ là 80 TPS, và số token đầu ra trung bình cho mỗi tác vụ SWE Bench Pro là 15,954, ít hơn khoảng 4.2 lần so với 67,020 token của Opus 4.8(max)
  • Grok 4.5 có thể dùng trên Grok Build, tất cả các gói Cursor và console SpaceXAI, nhưng tại EU vẫn chưa được mở và dự kiến vào giữa tháng 7

Huấn luyện và đánh giá nhắm tới tác vụ lập trình và agent

  • Grok 4.5 được huấn luyện trên bộ dữ liệu gồm lập trình, khoa học, kỹ thuật và kiến thức toán học, với trường hợp sử dụng cốt lõi là công việc kỹ thuật thực tế và các tác vụ kiểu agent

  • Kết quả benchmark

    • Các con số của mô hình đối chiếu được lấy từ system card công khai hoặc bảng xếp hạng benchmark do từng hãng phát hành
    • DeepSWE 1.0: Grok 4.5 62.0%, Fable(max) 66.1%, GPT 5.5(xhigh) 64.31%, Opus 4.8(max) 55.75%, Opus 4.7(max) 40.12%
    • DeepSWE 1.1: Grok 4.5 53%, Fable(max) 70%, GPT 5.5(xhigh) 67%, Opus 4.8(max) 59%, GLM 5.2 44%
    • Terminal Bench 2.1: Grok 4.5 83.3%, Fable(max) 84.3%, GPT 5.5(xhigh) 83.4%, Opus 4.8(max) 78.9%, Opus 4.7(max) 78.9%
    • Tỷ lệ giải quyết SWE Bench Pro: Grok 4.5 64.7%, Fable(max) 80.4%, Opus 4.8(max) 69.2%, Opus 4.7(max) 64.3%, GLM 5.2 62.1%, GPT 5.5(xhigh) 58.6%

  • Hạ tầng huấn luyện và xử lý dữ liệu

    • Hạ tầng huấn luyện sử dụng hàng chục nghìn GPU NVIDIA GB300 và bao gồm các kỹ thuật ổn định để chạy huấn luyện quy mô lớn
    • Xử lý dữ liệu ưu tiên đầu tư vào lọc và tuyển chọn hơn là chỉ mở rộng quy mô token
      • Khử trùng lặp
      • Chấm điểm chất lượng
      • Chọn lọc theo miền
    • Học tăng cường được thực hiện trên hàng trăm nghìn tác vụ, tập trung vào trí thông minh trên từng token
      • Các tác vụ trọng tâm là kỹ thuật phần mềm nhiều bước và các tác vụ kỹ thuật khác
      • Việc chấm điểm sử dụng cả chấm tự động và chấm dựa trên mô hình
      • Agent rollout có thể chạy trong nhiều giờ, và việc huấn luyện sử dụng stack học bất đồng bộ tiếp tục chạy trên hàng chục nghìn GPU

  • Ví dụ ứng dụng lập trình

    • Grok 4.5 được giới thiệu là mạnh ở các tác vụ lập trình, từ bài toán khó với Rust, C/C++ đến tạo ứng dụng end-to-end dựa trên prompt
    • Prompt ví dụ yêu cầu tạo mô phỏng không gian và hệ Mặt Trời bằng threejs, có điều chỉnh thời gian, chuyển động chân thực, quỹ đạo, sao và HUD hiện đại

Tốc độ, giá và hỗ trợ công cụ làm việc

  • Grok 4.5 được cung cấp với tốc độ mô hình 80 TPS
  • Số token đầu ra trung bình theo tác vụ SWE Bench Pro là 15,954, ít hơn khoảng 4.2 lần so với 67,020 của Opus 4.8(max)
  • Giá là 2 USD cho mỗi 1 triệu token đầu vào và 6 USD cho mỗi 1 triệu token đầu ra
  • SpaceXAI cho biết Grok 4.5 đạt hiệu quả token cao hơn khoảng 2 lần so với các mô hình dẫn đầu dùng để đối chiếu, và giải quyết tác vụ với số bước ít hơn một nửa

  • Grok Build và plugin Office

    • Grok 4.5 là mô hình mặc định của Grok Build
    • Grok Build có thể tạo các mô hình Excel phức tạp gồm nghiên cứu web, công thức trên nhiều sheet, cùng sticky hoặc ghi chú để tham khảo sau này
    • Trong PowerPoint, nó có thể tạo các sơ đồ phức tạp bằng hình khối gốc và thiết kế nội dung slide trực quan
    • Trong Word, nó hỗ trợ viết câu rõ ràng
    • Plugin Office được cung cấp cho Word, PowerPoint, Excel

  • Kênh cung cấp và giới hạn

    • Grok 4.5 hiện có thể dùng trên Grok Build, Cursor ở mọi gói và console SpaceXAI
    • Grok Build và Cursor đang cung cấp quyền dùng Grok 4.5 miễn phí một cách hạn chế
    • Tại EU, hiện vẫn chưa thể dùng Grok 4.5 trên sản phẩm hoặc API console của SpaceXAI, và dự kiến sẽ được cung cấp vào giữa tháng 7

Bài viết liên quan

1 bình luận

 
GN⁺ 3 giờ trước
Ý kiến trên Hacker News

  • Tôi cho rằng khó có thể tin tưởng khi biết xAI đang chủ động điều chỉnh câu trả lời của mô hình cho phù hợp với tường thuật chính trị
    Nảy sinh nghi vấn rằng làm sao có thể tin một mô hình liên tục bị định hướng ở backend trong môi trường doanh nghiệp

    • Có thể mọi nhà cung cấp mô hình cũng đang điều chỉnh câu trả lời theo tường thuật chính trị mà họ ưa thích
    • Có người hỏi ngược lại rằng các mô hình khác chẳng phải cũng không khác gì sao
    • Nếu hỏi Claude về các chủ đề nhạy cảm như tỷ lệ tội phạm của các nhóm thiểu số ở phương Tây hay sinh học của phụ nữ chuyển giới, có thể bạn đã không nhận ra những lời nói dối
      Ngay cả khi chỉ ra lời nói dối cho mô hình, có lẽ cũng không dễ khiến nó thừa nhận rằng đó là do quá trình HRLF và các thiên kiến được nhúng sẵn
      Khi thấy Claude tự nói rằng không nên dùng nó trong 10–15 lĩnh vực nghiên cứu chính, hoặc thừa nhận rằng trong các vấn đề “khó”, nguồn thường bị cherry-pick và thể hiện sự cân bằng sai lệch nghiêm trọng, người ta có cảm giác rằng mọi LLM đều có thiên kiến và đa số nghiêng về phía cấp tiến
      Trái lại, khi thử nghiệm, Grok thường đưa ra câu trả lời đúng đắn về mặt chính trị hơn GPT hay Gemini, và chỉ vì người dùng X có thể cố tình khơi nó nói ra những điều không đúng đắn về mặt chính trị nên nó mới mang tiếng sắc bén
      Người này nói thêm rằng Grok trên grok.com hay trong ứng dụng thực ra khá hiền, thậm chí nhàm chán
    • Chỉ cần không dùng cho mục đích chính trị là được chẳng phải sao
      Nếu chỉ dùng để sinh mã thì tại sao phải bận tâm đến phần đó, theo quan điểm này
    • Những phát ngôn của Elon và cách mô hình hoạt động không thực sự khớp nhau
      Grok cũng chỉ trích Elon, và thường phản bác nhiều luận điểm cực hữu mà ông ấy nêu ra

  • Ngạc nhiên khi mọi người muốn dùng Grok
    xAI trông quá lộ liễu như một công ty phá sản về đạo đức, và có cảm giác là công ty AI duy nhất có vẻ ổn với CSAM hoặc ít nhất không làm đủ để ngăn chặn nó
    Không có lý do gì phải đưa tiền cho họ, trừ khi đó là lựa chọn duy nhất, mà hiện giờ hoàn toàn không phải vậy

    • Có ý kiến cho rằng mọi người trả tiền chính vì lập trường đạo đức đó
      Diễn giải rằng họ chủ động thấy CSAM là ổn hoặc đơn giản là không quan tâm
    • Suy nghĩ rằng chỉ cần một, nhiều lắm là hai công ty AI là đủ là nguy hiểm
      Cách quyết định ai đạo đức hơn trong lịch sử không đem lại kết quả tốt đẹp cho lắm
    • Trước đây người này từng khá băn khoăn về việc dùng Grok hay các sản phẩm đáng ngờ về đạo đức, nhưng rồi đã mua nhà, chi một khoản lớn bằng lương kỹ sư phần mềm, chuyển đến SF vài năm trước và có thể đã góp phần vào quá trình chỉnh trang đô thị, đồng thời nghĩ rằng mình chẳng làm gì trong khi vô số trẻ em Trung Quốc không có tiền đi học
      Vì vậy người này dùng Grok, quyên góp khá nhiều tiền cho NGO Trung Quốc đến mức gia đình thấy không thoải mái, và vì vẫn còn khoản vay mua nhà cũng như tự thấy mình phần nào ích kỷ nên quyết định không quyên góp cho các tổ chức phi lợi nhuận ở SF
      Người này cho rằng đạo đức và việc làm điều tốt nên được tiếp cận bằng thái độ thực dụng
      Grok có nhiều điểm họ thích, và tẩy chay cũng là điều tốt về mặt đạo đức, nhưng họ nghĩ vẫn còn nhiều lựa chọn đạo đức khác có thể làm mà vẫn giữ được tính thực tế
    • Cho rằng đạo đức của các ông lớn trong ngành AI đều đáng nghi ngờ
      Kho ngữ liệu huấn luyện về cơ bản là đồ bị lấy cắp, và tất cả đang tiếp tục lao về phía trước dù đã gánh những món nợ khó có thể thoát ra
      Nhưng sản phẩm đã trở nên quá hữu ích nên hầu như chẳng ai sẽ đứng ngoài để chờ một LLM “có thể chấp nhận về mặt đạo đức” xuất hiện, và mô hình như vậy tất yếu có khả năng kém hơn
      Tuy nhiên, về CSAM thì khó phán xét, và nếu xAI thật sự thấy điều đó là ổn thì người này đồng ý rằng họ vô đạo đức hơn các công ty khác

  • Grok 4.5 trông rất kinh tế
    Hiệu quả suy luận tốt hơn 4 lần so với Opus và giá là $2/$6; để so sánh, GPT 5.4 là $2.5/$15, GPT 5.5/5.6 là $5/$30, Opus 4.8 là $5/$25, Fable là $10/$50
    Nếu benchmark không bị thao túng thì có vẻ ở mức Opus 4.7, và cũng khớp với điều Elon nói tại https://x.com/elonmusk/status/2074911038286295049
    Dữ liệu của Cursor có lẽ đã khá hữu ích

    • Mức giá $2/$6 có vẻ chỉ áp dụng cho độ dài ngữ cảnh từ 200K trở xuống
      Cao hơn mức đó, với ngữ cảnh tối đa 500K, giá tăng gấp đôi lên $4/$12
      https://docs.x.ai/developers/models/grok-4.5
    • xAI có một trong những cụm máy lớn nhất nhưng kém phổ biến hơn đối thủ, nên lưu lượng và số token phải xử lý ít hơn nhiều, và có giả thuyết rằng họ có thể chuyển phần tiết kiệm đó cho người dùng cuối
    • Ước gì có gói cùng cấp với giới hạn tính toán tương tự gói $100 của Claude
      Người này đang dùng bản Grok $40/tháng, nhưng trong một tháng thời gian có thể code Grok Build “không nghỉ” tối đa chỉ khoảng 8 giờ
    • Tò mò không biết so với API Trung Quốc thì thế nào
      Nếu xAI không có vẻ thực sự năng lực hơn hoặc thậm chí trung thực hơn một chút so với các phòng lab Trung Quốc, thì trừ khi rẻ hơn nhiều, có lẽ cứ gửi công việc sang Trung Quốc cũng được
    • So với Deepseek v4 Pro có hiệu năng tương tự thì rất đắt
      Grok bị kẹt ở vị trí lưng chừng. Không đứng đầu ở lĩnh vực nào, cũng không rẻ nhất
      Ngay cả trước khi tính đến lịch sử trước đây, cũng khó tìm ra lý do để dùng nó, và cũng không rõ việc đề xuất công ty dùng một mô hình tự gọi mình là “MechaHitler” có giúp được thăng chức hay không

  • Theo blog của Cursor, mô hình được huấn luyện trên hàng nghìn tỷ token dữ liệu Cursor, bao gồm rộng rãi các tương tác thực tế của người dùng với codebase và công cụ phần mềm
    Nhờ tập dữ liệu này, nó có thể học không chỉ từ phần mềm hiện có mà còn từ tương tác giữa lập trình viên và agent, nắm bắt cách lập trình viên làm việc và cách agent tương tác với môi trường
    Tôi nghĩ đây là lý do số tiền lớn đã được đổ vào. Cursor là người chơi lớn đầu tiên có dữ liệu dự án thực tế trước khi Claude Code hay Codex thật sự cất cánh
    Họ dùng reinforcement learning trên các vấn đề khó trong môi trường thực tế để dạy cách điều tra vấn đề, dùng công cụ, khôi phục sau sai sót và xác minh kết quả; và khi các bài toán hiện có không còn gì mới để dạy nữa, họ phải thiết kế những vấn đề khó đến mức cả các frontier model cũng thất bại
    Khi kỹ sư xác định vấn đề và cách xác minh, họ xây dựng một hệ thống agent phân tán trong đó các agent quy mô lớn thiết lập, kiểm thử và cải thiện môi trường; cấu trúc là dùng mô hình thế hệ trước để chuẩn bị tập dữ liệu cho vòng huấn luyện tiếp theo
    Mô hình càng tốt thì dữ liệu càng tốt, rồi mô hình tiếp theo cũng tốt hơn — một vòng lặp như vậy; và với những ai cho rằng “các mô hình Trung Quốc đã gần đạt mức tốt nhất mới nhất”, cũng có phần so sánh với quá trình huấn luyện Composer 2.5
    Nhận định rằng xAI đã sa sút sau khi chuyển nhiều compute sang Anthropic có vẻ hơi phóng đại, và Grok 4.5 được huấn luyện trên hàng chục nghìn GPU NVIDIA GB300

    • Microsoft có GitHub và Visual Studio mà vẫn không có mô hình coding tốt
    • Cũng có thể dùng mô hình thế hệ trước để chuẩn bị dữ liệu cho mô hình thế hệ sau, hoặc thậm chí để nó tạo dữ liệu tổng hợp
      Trước đây điều này từng bị xem là ý tưởng tệ, nhưng hóa ra nếu dùng nhiều compute để dựng scaffold tạo và chấm điểm dữ liệu thì chất lượng khá tốt
    • Khoản tiền lớn cũng đã đổ vào cổ phiếu SpaceX, kể cả cổ phiếu phát hành mới ngay sau IPO, nên nhìn tổng thể có vẻ là một lựa chọn khá khôn ngoan
    • Tôi đã đọc nhiều lần rằng cách dùng mô hình thế hệ trước để chuẩn bị tập dữ liệu cho vòng lặp tiếp theo là có hại cho huấn luyện
      Về cơ bản, đây là mô tả thứ mà nhiều người gọi là distillation; theo tôi hiểu, nó chỉ hữu ích để định hướng hành vi trong giai đoạn post-training, chỉ dạy cách hành động chứ không dạy cách suy nghĩ
      Tôi có thể sai, nên nếu ai hiểu rõ hơn giải thích thêm thì tốt

  • Tôi không hiểu về mặt kinh tế việc chi hàng tỷ đô la để tạo ra mô hình đứng thứ 3 có hợp lý thế nào
    Ngay cả hạng 1 và hạng 2 trông cũng đã khó có lãi, nên tôi tò mò mình đang bỏ lỡ điều gì
    Tôi không định đẩy lập luận đến cùng kiểu Ed Zitron, nhưng thật sự không hiểu

    • Trước đây họ là hạng 4 cách khá xa, và tuy không thể bắt kịp OpenAI hay Anthropic chỉ trong một lần, họ đã leo lên được một bậc thang
      Trong ngắn hạn, các phòng lab nghiên cứu đều không có lợi nhuận, còn Anthropic được cho là đã gần đạt đến đó
      Amazon cũng từng nổi tiếng là không có lãi trong thời gian dài nhưng cuối cùng thắng lớn; vì vậy việc hiện tại có lợi nhuận hay không không nhất thiết là điều cốt lõi với nhà đầu tư. Điều quan trọng là họ có tin vào khả năng tạo lợi nhuận trong tương lai hay không
      Có vẻ Elon cho rằng trong tương lai phần lớn nền kinh tế sẽ được vận hành bằng AI, và giá trị kinh tế của token sẽ tăng nhanh hơn chi phí tạo ra token đó. Điều này bao gồm cả việc khấu hao chi phí huấn luyện mô hình tạo ra các token đó
      Vì vậy ông ấy đang lập một phòng lab huấn luyện mô hình và thu phí inference, và dường như tin rằng cuối cùng nó sẽ có lãi, dù không phải lúc này
      Bạn có thể đồng ý với điều đó hay không, và việc ông ấy có thể thắng Anthropic/OpenAI hay không còn bất định hơn nếu nhìn vào những khó khăn gần đây trong việc giữ chân nhà nghiên cứu, nhưng lợi nhuận hiện tại không phải là chỉ báo tốt để đánh giá có nên tin vào khả năng lợi nhuận tương lai hay không
      Tesla và SpaceX cũng từng có khả năng sinh lời rất tệ, nhưng rồi đến một lúc điều đó đã thay đổi
      Cá nhân tôi đồng ý rằng tương lai sẽ có lợi nhuận khổng lồ, nhưng tôi không chắc Elon có đủ khả năng thắng Anthropic/OpenAI đến mức đó
    • Họ đang mơ cùng giấc mơ với các đối thủ
      Tìm ra đột phá để giành lợi thế và chiếm vị thế thống trị
      Ngoài ra, chỉ cần quanh công ty có gắn chữ AI thì các con số cần thiết sẽ tăng lên, nên với Musk, một bộ phận AI nội bộ có thể được gom cùng các công ty khác để kéo định giá lên vẫn hữu ích, ngay cả khi bản thân sản phẩm đang lỗ
    • Một góc nhìn pha chút đùa cợt là nếu đó là con đường duy nhất để thoát khỏi tầng lớp dưới đáy vĩnh viễn thì Elon cũng không ngoại lệ
    • Có thể nói y hệt như vậy về Google hay nhiều phòng lab khác hiện nay
      Một thị trường đa dạng với nhiều lựa chọn sẽ giúp tránh việc lặp lại các cuộc chiến trình duyệt
    • Thị trường này chưa đủ trưởng thành hay ổn định để xếp hạng
      Đã có nhiều thị trường công nghệ mà giai đoạn đầu không dự đoán được giai đoạn sau
      Cá nhân tôi hoài nghi về Grok, nhưng nếu Claude mất lợi thế, họ cũng có thể tạo ra một ngách có lợi nhuận thông qua tích hợp Cursor

  • Tôi đặt cấu hình OpenRouter chỉ dùng ZDR nên trước giờ chưa từng dùng thử mô hình Grok
    Vừa kiểm tra thì có vẻ giờ đã có endpoint ZDR xAI, nên tôi định thử thật
    Không biết có ai biết nó được thêm vào từ khi nào không
    Tuy nhiên ở mục ẩn danh có ghi “Requires user IDs”, điều này khá bất thường trên OpenRouter và nhìn không được hay lắm. Thông thường OpenRouter là proxy ẩn danh hóa yêu cầu rồi chuyển tiếp cho nhà cung cấp, nhưng tôi không tìm thấy thiết lập nào ép điều đó trên toàn bộ tài khoản như kiểu chỉ dùng ZDR

  • Ấn tượng ban đầu khá tốt
    Số token mỗi giây cao, có vẻ khoảng 90, và hiệu quả token cũng rất cao nên dễ dàng thắng GPT 5.5, Opus 4.8, GLM 5.2 về tốc độ
    Giá cũng rất tốt; nếu tự trả chi phí API thì GPT và Opus quá đắt, và nếu tính cả hiệu quả token thì có lẽ còn rẻ hơn cả GLM 5.2
    Sẽ mất khá nhiều thời gian để đánh giá mức độ thông minh, nhưng chắc chắn là tốt, có vẻ nằm ở phần dưới của cùng hạng với Opus, cùng với GLM 5.2

    • Đồng ý
      Trong Cursor, với vấn đề “bộ test này không đủ mạnh như tôi muốn, và quá nhiều trường hợp phụ thuộc vào trạng thái nội bộ hơn là kết quả”, tôi yêu cầu “hãy xem xét và đề xuất giải pháp”, thì nó đã tóm tắt rất tốt cách tiếp cận test, điểm mạnh, điểm yếu và lỗ hổng, đồng thời đề xuất một cách tiếp cận đa hướng có hệ thống dựa trên thư viện test đáng tin cậy https://hypothesis.readthedocs.io/en/latest/
      Nó chia việc cần làm trong lần cải tiến này và việc để sau, xác định các trường hợp rất khó hoặc có thể nằm ngoài phạm vi rồi đưa ra lựa chọn có tập trung vào chúng hay không, và cũng cấu trúc các test mới một cách hợp lý
      Sau một lần phản hồi và điều chỉnh kế hoạch, tôi chạy ở chế độ agent, và vài phút sau đã có một bộ test tốt hơn nhiều
      Vì trước đó tôi chưa từng dùng Grok nên kỳ vọng thấp, nhưng nó đã làm rất tốt một tác vụ nhiều bước phức tạp và tinh tế mà trước đây tôi chỉ giao cho GPT hoặc Opus
      Cập nhật thêm, nó cũng tìm ra một bug thực tế đã tồn tại lâu. Sau khi cải thiện test, tôi yêu cầu nó rà soát toàn bộ code và packaging; nó bắt được cả các lỗi nhỏ và phần bỏ sót, nhưng cũng tìm ra và sửa một điểm yếu trong xử lý lỗi cùng một bug tính năng khá đáng xấu hổ, rồi còn thêm test cho chúng
    • Thú vị, nhưng không biết có phải tôi đang làm sai gì không mà model này gần như khó dùng
      Nó liên tục làm hỏng cả những yêu cầu cơ bản gần như không cần ngữ cảnh; ví dụ tôi bảo inline một helper function thì thay vì thay đổi 10 dòng, nó viết lại một nửa các module liên quan

  • Trong 3 model tôi tự dùng thử, Grok làm tốt nhất việc tạo ứng dụng iOS cá nhân mà tôi muốn
    Đó là một ứng dụng bike computer với các điều kiện cụ thể; Claude thì bỏ cuộc và định chuyển sang triển khai bằng HTML/CSS, còn tôi kiên quyết dùng native SwiftUI+Metal
    Grok đôi khi cũng mắc lỗi, nhưng tôi ngạc nhiên vì nó suy luận khá tốt những phần mà tôi tưởng phải chỉ dẫn từng li từng tí
    Vì tôi không phải lập trình viên iOS, nên việc có được thứ mình cần trong vài giờ hoặc vài ngày thay vì phải học ngôn ngữ và API trong nhiều tháng, nhiều năm thật sự rất hữu ích
    Hoàn toàn không phải là “vibe coding” Caddy, chỉ là mức độ mày mò cho dự án cá nhân

    • Việc Claude định chuyển sang triển khai bằng HTML/CSS và bạn phải kiên quyết native SwiftUI+Metal nghe rất lạ và hoàn toàn trái ngược với trải nghiệm của tôi
      Bạn không nói đã dùng model nào, nhưng Opus 4.8 hoặc Sonnet chưa từng phớt lờ ngôn ngữ và stack mà tôi muốn
    • Tôi đã làm khá nhiều phát triển iOS native bằng Opus 4.8, trước đó cũng dùng 4.7/4.6, nên nội dung này khó chấp nhận
      Tôi tò mò bạn dùng Opus hay một model khác
    • Tôi có cảm giác đã đọc một bình luận gần như y hệt hoặc rất giống thế này trước đây
      Ý chính cũng là ứng dụng bike computer cho iOS và một model nào đó đã bỏ cuộc
      Riêng Caddy thì tôi thật sự biết ơn. Nó giúp tôi rất nhiều khi bắt đầu dự án mới, và ở trạng thái mặc định nó chạy tốt ngay, đến mức giảm bớt một nguyên nhân lỗi cần chú ý khi onboarding nhóm
    • Tôi thắc mắc Claude được dùng trong Claude Code phải không
      Có phải bạn đã dùng một model yếu hơn như Haiku không; Claude lẽ ra không tệ như bạn nói
    • Với tư cách người không hài lòng với các bike computer, tôi tò mò liệu bạn có thể chia sẻ hoặc mô tả thứ đã làm không, vì có khá nhiều quyết định UI/UX tệ hại
      Web server thì tôi thích

  • Cursor cũng tham gia huấn luyện model, và bài công bố ở https://cursor.com/blog/grok-4-5
    Đặc biệt, họ nói Grok 4.5 và Composer 2.5 thuộc các cấp trọng số model khác nhau, và họ vui vì có thể hỗ trợ cả hai kích cỡ và bộ trọng số
    Composer 2.5 sẽ tiếp tục được cung cấp, và họ cho biết sẽ tiếp tục phát hành các model mới ở kích cỡ này

    • Composer 2.5 dựa trên Kimi 2.5, tổng 1T và active 32B, còn Elon đã công khai nói Grok 4.5 có tổng 1.5T tham số
      Mức chênh lệch không lớn đến mức có thể gọi là các cấp trọng số khác nhau
      Chênh lệch chi phí API khoảng 2,5 lần, có lẽ vì xAI có chi phí cần thu hồi lớn hơn nhiều

  • https://tools.simonwillison.net/markdown-svg-renderer#url=ht...

    • Hamster cũng ngày càng khá hơn, nhưng so với các model hàng đầu mới nhất thì vẫn còn khá xa
      https://aibenchy.com/showcase/?q=grok
    • Trông giống như đang đi một chiếc xe đạp dùng bánh ô tô có ốp mâm dày